การเพิ่มกำลังการไล่ระดับสีที่ทนทาน (Robust Gradient Boosting)
การเพิ่มกำลังการไล่ระดับสีที่ทนทาน (Robust Gradient Boosting) คือการเพิ่มกำลังการไล่ระดับสีที่ฝึกฝนด้วยฟังก์ชันความคลาดเคลื่อนที่ทนทานต่อค่าผิดปกติ (outlier-resistant loss functions) ซึ่งโดยทั่วไปแล้วคือ Huber loss หรือ quantile (pinball) loss แทนที่จะเป็น squared-error loss การปรับปรุงนี้ถูกเสนอในบทความสำคัญของ Friedman ในปี 2001 และให้ผลลัพธ์การทำนายที่บิดเบือนน้อยลงมากจากค่าสุดขีดหรือป้ายกำกับที่ปนเปื้อน ในขณะที่ยังคงรักษาพลังการทำนายเต็มรูปแบบของต้นไม้ที่เพิ่มกำลังการไล่ระดับสีไว้ได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
แหล่งอ้างอิง
- Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Gradient Boosting (Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/th/machine-learning/robust-gradient-boosting
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Boostingการเรียนรู้ของเครื่อง↔ compare
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- การเพิ่มกำลังไล่ระดับแบบปรับให้เหมาะสมการเรียนรู้ของเครื่อง↔ compare
- การถดถอยเชิงเส้นแบบทนทานการเรียนรู้ของเครื่อง↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare